Python 具有三维输入和三维输出的序列模型的形状解释器

我在Keras（Tensorflow 2.2.0）中有一个顺序二元分类模型，它接受形状的输入（n_样本，n_时间步，n_特征），并提供形状的输出（n_样本，n_时间步，1）。我试着用这个模型

我按照他们的例子这样做：

 import shap
 explainer = shap.GradientExplainer(Seq_Model, X_train_3D[:10])
 shap_values = explainer.shap_values(X_test_3D[:3])

但我得到了这个错误：

AssertionError:模型输出必须是向量或单个值

现在，我正在寻找一种使用SHAP GradientExplainer（或与此TF版本一起使用的任何其他类型的SHAP解释程序）的方法，它为具有3D输出的模型提供洞察。感谢您的帮助